{"id":1408775,"date":"2026-11-18T21:32:37","date_gmt":"2026-11-18T21:32:37","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&#038;p=1408775"},"modified":"2026-11-18T21:33:55","modified_gmt":"2026-11-18T21:33:55","slug":"por-que-fracasan-los-proyectos-de-ia-y-como-crear-una-organizacion-con-la-ia-como-parte-integral-de-su-estructura","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/es\/blog\/why-ai-pilots-stall-and-how-to-build-an-ai-native-organization\/","title":{"rendered":"\u00bfPor qu\u00e9 se estancan los proyectos de IA y c\u00f3mo se crea una organizaci\u00f3n nativa en IA?"},"content":{"rendered":"<div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container has-pattern-background has-mask-background nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-blend:overlay;--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-text fusion-text-1\"><h2>Introducci\u00f3n<\/h2>\n<p><a href=\"https:\/\/www.linkedin.com\/in\/victor-coimbra-999a02a0\/\" target=\"_blank\" rel=\"noopener noreferrer\">V\u00edctor Coimbra<\/a> Es director t\u00e9cnico y Managing Partner de Artefact, donde dirige los trabajos en materia de inteligencia artificial, ciencia de datos y las actividades de ingenier\u00eda en todo el continente americano. Su trayectoria profesional combina la experiencia en estrategia empresarial adquirida en Bain y Accenture con un liderazgo pr\u00e1ctico en la implantaci\u00f3n de sistemas de inteligencia artificial y aprendizaje autom\u00e1tico en entornos empresariales complejos. Se centra en ayudar a las organizaciones a vincular las capacidades t\u00e9cnicas con resultados empresariales cuantificables, incluyendo la arquitectura, la gobernanza y los modelos operativos necesarios para ampliar la inteligencia artificial.<\/p>\n<p><a href=\"https:\/\/www.artefact.com\/es\/\" target=\"_blank\" rel=\"noopener noreferrer\">Artefact<\/a> es una empresa global de consultor\u00eda en data e inteligencia artificial que ayuda a las empresas a desarrollar estrategias, crear data platforms, implementar soluciones de inteligencia artificial y gestionar el cambio organizativo. Su labor abarca sectores como los servicios financieros, la sanidad, la industria manufacturera y el comercio minorista. Antes de su <a href=\"https:\/\/adoptai.artefact.com\/\" target=\"_blank\" rel=\"noopener noreferrer\">Cumbre Adopt AI<\/a>, que tendr\u00e1 lugar los d\u00edas 3 y 4 de diciembre de 2026 en el Grand Palais de Par\u00eds, Coimbra abordar\u00e1 c\u00f3mo las empresas pueden ir m\u00e1s all\u00e1 de las fases piloto, crear equipos que combinen personal humano y agentes de IA, y medir el valor de la IA en la producci\u00f3n.<\/p>\n<h3><strong>Su trayectoria profesional le ha llevado desde el \u00e1mbito de la estrategia empresarial en Accenture hasta la direcci\u00f3n de equipos de inteligencia artificial, ciencia de datos e ingenier\u00eda en Artefact en toda Am\u00e9rica.<br \/>\n\u00bfDe qu\u00e9 manera ha influido esta combinaci\u00f3n de consultor\u00eda estrat\u00e9gica y liderazgo t\u00e9cnico pr\u00e1ctico en su enfoque a la hora de ayudar a las empresas a convertir sus inversiones en inteligencia artificial en resultados empresariales cuantificables?<\/strong><\/h3>\n<p>Me ense\u00f1\u00f3 a vincular siempre la estrategia de IA con su puesta en pr\u00e1ctica. La experiencia en el \u00e1mbito estrat\u00e9gico en Bain y Accenture me demostr\u00f3 que los directivos invierten en un cambio en una partida de la cuenta de resultados. La ingenier\u00eda me ense\u00f1\u00f3 que gran parte de ese valor puede perderse entre la presentaci\u00f3n y la producci\u00f3n.<\/p>\n<p>Hoy en d\u00eda, la inteligencia artificial ya no se centra tanto en la tecnolog\u00eda como en crear una barrera de protecci\u00f3n en torno a las operaciones fundamentales de su negocio. La cuesti\u00f3n clave es c\u00f3mo convertir la productividad individual en valor empresarial colectivo, con una verdadera capacidad cognitiva compartida en toda la empresa.<\/p>\n<p>Para ello se necesita una combinaci\u00f3n de estrategia y ejecuci\u00f3n, y es algo de lo que he aprendido mucho al dedicarme a ambas cosas.<\/p>\n<h3><strong>A pesar de la importante inversi\u00f3n realizada en artificial intelligence, muchas organizaciones siguen teniendo dificultades para ir m\u00e1s all\u00e1 de los proyectos piloto que han tenido \u00e9xito.<br \/>\nSeg\u00fan su experiencia, \u00bfcu\u00e1les son los obst\u00e1culos m\u00e1s habituales que impiden que las iniciativas de IA en las empresas lleguen a la fase de producci\u00f3n, y qu\u00e9 distingue a las empresas que logran ampliar con \u00e9xito sus implementaciones?<\/strong><\/h3>\n<p>Seg\u00fan mi experiencia, muchos proyectos fracasan porque se incorpora la inteligencia artificial a una organizaci\u00f3n que fue dise\u00f1ada exclusivamente para personas. La tecnolog\u00eda suele funcionar. Lo que a menudo sigue sin estar claro es la divisi\u00f3n del trabajo: qu\u00e9 tareas corresponden a los agentes, cu\u00e1les siguen siendo responsabilidad de las personas, qui\u00e9n realiza la revisi\u00f3n y qui\u00e9n es el responsable del resultado.<\/p>\n<p>Adem\u00e1s, hay tres factores que suelen ralentizar la expansi\u00f3n: los costes de los tokens, que se disparan con los modelos de tarificaci\u00f3n basados en el uso; la seguridad y la gobernanza; y una adopci\u00f3n que nunca consigue que el acceso se traduzca en un uso real.<\/p>\n<p>Las empresas que observo que escalan con \u00e9xito abordan la IA como un redise\u00f1o organizativo. Dividen el proceso de entrega en dos bucles. En el bucle interior, los agentes ejecutan el proceso de principio a fin: programar, compilar, probar, implementar y revisar. En el bucle exterior, las personas definen el objetivo, verifican el resultado y supervisan el coste y la calidad. A continuaci\u00f3n, crean una plataforma subyacente y la reutilizan para todos los casos de uso.<\/p>\n<h3><strong>Usted ha escrito sobre la importancia de crear una organizaci\u00f3n nativa en inteligencia artificial, en lugar de limitarse a incorporar chatbots y copilotos a los sistemas existentes. \u00bfQu\u00e9 cambios fundamentales en la arquitectura tecnol\u00f3gica empresarial son necesarios para facilitar esta transici\u00f3n y en qu\u00e9 \u00e1mbitos las empresas est\u00e1n invirtiendo actualmente de forma insuficiente?<\/strong><\/h3>\n<p>Una empresa nativa de IA funciona sobre una plataforma, y dicha plataforma es la suma de cuatro capas: Harness, Context, Model e Infra. El Harness es el lugar donde las personas y los agentes se re\u00fanen y trabajan; es la aplicaci\u00f3n completa que rodea al modelo. \u00abContext\u00bb define lo que saben los agentes y qu\u00e9 autoridad tienen. \u00abModel\u00bb se refiere a c\u00f3mo se accede a los modelos, se canalizan y se gestionan al coste adecuado. \u00abInfra\u00bb es donde se ejecutan realmente y qui\u00e9n tiene el control.<\/p>\n<p>Como es l\u00f3gico, la mayor parte de la atenci\u00f3n se centra en ese 20 % visible: los copilotos y las herramientas de chat. El 80 % oculto es donde reside la mayor parte de la ingenier\u00eda y donde se toman las decisiones relativas al coste, la seguridad y el control.<\/p>\n<p>Mi sugerencia es sencilla. Adquiera marcos generales y desarrolle los espec\u00edficos para cada sector. Alquile y experimente con modelos e infraestructura, ya que cambian cada trimestre. Y domine por completo su contexto. Es la capa que realmente le pertenece y donde veo la mayor oportunidad para invertir m\u00e1s.<\/p>\n<h3><strong>A medida que la IA evoluciona, pasando de ayudar a los empleados a ejecutar de forma aut\u00f3noma flujos de trabajo complejos, \u00bfc\u00f3mo deben las organizaciones determinar qu\u00e9 procesos son adecuados para la automatizaci\u00f3n aut\u00f3noma? \u00bfQu\u00e9 medidas de seguridad t\u00e9cnicas y operativas deben establecerse antes de otorgar a los agentes de IA una mayor autoridad en la toma de decisiones?<\/strong><\/h3>\n<p>En mi opini\u00f3n, los agentes son muy buenos en las tareas que se centran en el pasado, mientras que los seres humanos lo son en aquellas que miran hacia el futuro. Los agentes destacan en todo aquello que se basa en informaci\u00f3n ya existente, como el an\u00e1lisis de datos, la programaci\u00f3n, las pruebas, la documentaci\u00f3n y la conciliaci\u00f3n. A los seres humanos les corresponde lo que requiere creatividad, y la creatividad, por definici\u00f3n, mira hacia el futuro: el gusto, la visi\u00f3n, la planificaci\u00f3n, la toma de decisiones y la valoraci\u00f3n de si un resultado es realmente bueno.<\/p>\n<p>En la pr\u00e1ctica, esto se traduce en dos bucles. Los agentes se encargan del bucle interior y llevan a cabo las acciones. Los seres humanos se ocupan del bucle exterior: la intenci\u00f3n, la verificaci\u00f3n y la supervisi\u00f3n.<\/p>\n<p>Las medidas de seguridad est\u00e1n dise\u00f1adas, no se activan de forma espont\u00e1nea. Utilizamos seis capas de protecci\u00f3n: captura de tareas, memoria, un entorno de trabajo seguro con un tiempo de ejecuci\u00f3n aislado y permisos, un bucle con puntos de control y aclaraciones, enrutamiento de modelos y barreras de seguridad que definen lo que un agente no puede hacer por s\u00ed solo, como las aprobaciones humanas, las comprobaciones de pol\u00edticas y los controles de datos de car\u00e1cter personal. La autonom\u00eda crece entonces a medida que se acumula el historial, del mismo modo que ocurre con un nuevo empleado.<\/p>\n<h3><strong>Usted ha descrito a los agentes de IA como compa\u00f1eros de equipo, en lugar de como herramientas de software convencionales. \u00bfDe qu\u00e9 manera cambia esta perspectiva la forma en que las organizaciones deben estructurar los equipos, asignar responsabilidades y formar a los empleados para que colaboren con sistemas de IA cada vez m\u00e1s aut\u00f3nomos?<\/strong><\/h3>\n<p>Ya nos encontramos en la era de la organizaci\u00f3n h\u00edbrida. La cuesti\u00f3n que considero m\u00e1s importante en estos momentos es c\u00f3mo distribuir la plantilla entre personas y agentes. Creo que esa es la clave para el crecimiento a gran escala.<\/p>\n<p>En un equipo h\u00edbrido, el organigrama asigna capacidad cognitiva, no personal. Una distribuci\u00f3n t\u00edpica que observo en un equipo tecnol\u00f3gico maduro es un 15 % de trabajo realizado exclusivamente por personas, un 25 % de trabajo potenciado y un 60 % realizado por agentes. El director de TI establece los objetivos, asigna la capacidad y asume la responsabilidad de los resultados y los costes. Un desarrollador s\u00e9nior verifica los resultados de los agentes y decide la arquitectura. Un agente coordinador distribuye las tareas e reports de los costes, y un agente de revisi\u00f3n comprueba cada entrega.<\/p>\n<p>Los beneficios se multiplican en tres etapas. Los empleados potenciados aportan aproximadamente 5 veces m\u00e1s. Los agentes, en su calidad de empleados sint\u00e9ticos que realizan tareas de principio a fin, aportan aproximadamente 10 veces m\u00e1s. Considero que el potencial de multiplicar por 1000 reside precisamente en coordinar a ambos como una \u00fanica plantilla.<\/p>\n<p>La formaci\u00f3n sigue la misma l\u00f3gica. Las personas aprenden a dar instrucciones a un agente como si fuera un ingeniero en pr\u00e1cticas, con un contexto estructurado y unos resultados claros, y a dedicar su tiempo al buen gusto, la planificaci\u00f3n y la toma de decisiones.<\/p>\n<h3><strong>Los sistemas de IA empresarial dependen en gran medida de una infraestructura de data fiable; sin embargo, muchas organizaciones siguen enfrent\u00e1ndose a problemas como la fragmentaci\u00f3n de los data, una gobernanza incoherente y tecnolog\u00edas obsoletas. \u00bfQu\u00e9 capacidades fundamentales deben priorizar las empresas a la hora de preparar sus data platforms para la IA aut\u00f3noma, y c\u00f3mo pueden modernizarse sin interrumpir las operaciones existentes?<\/strong><\/h3>\n<p>Dise\u00f1e su data platform para un nuevo tipo de usuario: los agentes. Un panel de control que muestra un n\u00famero err\u00f3neo es objeto de consulta por parte de una persona. Un agente que detecta un n\u00famero err\u00f3neo toma medidas al respecto, a gran escala.<\/p>\n<p>Priorice cuatro capacidades. Definiciones empresariales compartidas, de modo que todos los agentes y equipos entiendan lo mismo por \u201ccliente activo\u201d. Una pasarela de integraci\u00f3n con autenticaci\u00f3n y protocolos est\u00e1ndar como MCP, para que los agentes accedan a data con los permisos del rol que desempe\u00f1an. Calidad y trazabilidad observables. Y data no estructurados tratados como un activo de primer orden, ya que los contratos, los tickets y las notas de las reuniones contienen la mayor parte del conocimiento real.<\/p>\n<p>Para modernizar sin interrupciones, hay que encapsular primero los sistemas heredados y migrar caso por caso. Los agentes tambi\u00e9n cambian la din\u00e1mica econ\u00f3mica en este \u00e1mbito. Los procesos de migraci\u00f3n con m\u00faltiples agentes permiten ahora modernizar cientos de miles de l\u00edneas de c\u00f3digo heredado en cuesti\u00f3n de meses, siendo las personas quienes deciden la arquitectura.<\/p>\n<h3><strong>M\u00e1s all\u00e1 del acceso a data estructurados, los agentes de IA necesitan cada vez m\u00e1s comprender el conocimiento institucional, los procesos empresariales y el contexto organizativo. \u00bfC\u00f3mo pueden las empresas recopilar e integrar de forma eficaz este conocimiento en sus sistemas de IA, y qu\u00e9 riesgos surgen cuando los agentes operan sin un contexto empresarial suficiente?<\/strong><\/h3>\n<p>El contexto es lo que convierte a un modelo en un compa\u00f1ero de trabajo. Las herramientas comprenden las tareas; los agentes, el contexto. No se le pide a un ingeniero novel que trabaje sin explicarle el objetivo, las limitaciones y cu\u00e1l es el resultado deseado, y lo mismo ocurre con un agente.<\/p>\n<p>Capture el conocimiento a partir del propio trabajo, en lugar de a partir de grandes proyectos de documentaci\u00f3n que resultan dif\u00edciles de mantener actualizados. Cada reuni\u00f3n, cada ticket, cada decisi\u00f3n y cada correcci\u00f3n alimentan una capa de contexto que combina archivos, tablas, vectores y un gr\u00e1fico de relaciones. Cada tarea completada se registra en la memoria, de modo que la organizaci\u00f3n aprende con cada entrega. Y el contexto requiere su propia gesti\u00f3n: evaluaciones, permisos y control de costes.<\/p>\n<p>Sin contexto, los agentes suelen tener dificultades de formas bastante predecibles. Siguen la norma escrita y pasan por alto la no escrita que todo el mundo conoce. Recopilan informaci\u00f3n err\u00f3nea y responden con total seguridad. Se basan en datos del \u00faltimo trimestre. Adem\u00e1s, una capa de contexto sin permisos estrictos puede poner en riesgo data confidenciales.<\/p>\n<h3><strong>Muchas empresas miden el \u00e9xito de la IA a trav\u00e9s de las mejoras en la productividad, las tasas de adopci\u00f3n o el n\u00famero de proyectos piloto puestos en marcha. \u00bfQu\u00e9 indicadores deber\u00edan utilizar los directores de sistemas de informaci\u00f3n (CIO) y los responsables empresariales para evaluar el verdadero retorno de la inversi\u00f3n en IA, especialmente a la hora de tener en cuenta los costes de infraestructura, el mantenimiento continuo y la complejidad operativa de los agentes aut\u00f3nomos?<\/strong><\/h3>\n<p>Eval\u00fae a la plantilla h\u00edbrida, no la herramienta. La adopci\u00f3n es solo el primero de cuatro niveles, siempre en comparaci\u00f3n con una referencia establecida antes de la implantaci\u00f3n. La adopci\u00f3n se centra en si las personas la utilizan. La productividad se centra en si entregamos m\u00e1s r\u00e1pido: plazo de entrega, rendimiento, tiempo de resoluci\u00f3n. La calidad se centra en si el resultado es mejor: defectos no detectados, tasa de fallos en los cambios, reelaboraciones. El valor y el coste se centran en si merece la pena: esfuerzo liberado, tiempo de comercializaci\u00f3n, coste total por tarea.<\/p>\n<p>Un indicador que se tiende a pasar por alto es c\u00f3mo se distribuye la capacidad cognitiva entre las personas y los agentes, equipo por equipo. La capacidad humana liberada debe reasignarse de forma deliberada a tareas orientadas al futuro. De lo contrario, se pierde parte de la ganancia obtenida.<\/p>\n<p>En cuanto a los costes, la fijaci\u00f3n de precios est\u00e1 pasando de tarifas fijas a un modelo basado en el uso, lo que puede hacer que las facturas sean m\u00e1s dif\u00edciles de predecir; por ello, el enrutamiento de modelos y las FinOps deben formar parte de la plataforma desde el primer d\u00eda. Trate el gasto en IA como el gasto en la nube: visible, atribuido a un equipo y vinculado al valor.<\/p>\n<h3><strong>Artefact colabora con empresas de los sectores de los servicios financieros, la sanidad, la industria manufacturera, el comercio minorista y otros \u00e1mbitos en los que la adopci\u00f3n de la inteligencia artificial plantea diversos retos. \u00bfQu\u00e9 lecciones se est\u00e1n extrayendo de las implementaciones reales en estos sectores y c\u00f3mo deber\u00edan las organizaciones encontrar el equilibrio entre la innovaci\u00f3n y el cumplimiento normativo, la fiabilidad y la supervisi\u00f3n humana?<\/strong><\/h3>\n<p>Todos los sectores se enfrentan a la misma cuesti\u00f3n: c\u00f3mo repartir el trabajo entre las personas y los agentes. Lo que var\u00eda es qu\u00e9 parte del \u00abbucle externo\u00bb debe seguir estando en manos de las personas. En el sector minorista y de bienes de consumo, los errores tienen un coste reducido, por lo que los agentes asumen una mayor parte del trabajo con mayor rapidez. En el sector manufacturero, la fiabilidad y la integraci\u00f3n con los sistemas operativos marcan el ritmo. En los servicios financieros y la sanidad, toda decisi\u00f3n debe ser justificable, por lo que los seres humanos se reservan una mayor parte de la verificaci\u00f3n y la toma de decisiones durante m\u00e1s tiempo.<\/p>\n<p>La lecci\u00f3n que observo en todas partes es que el cumplimiento normativo funciona mejor cuando forma parte intr\u00ednseca de la plataforma, integrada desde el principio. Cuando las medidas de seguridad, los registros de auditor\u00eda y las aprobaciones humanas forman parte del sistema, cada nuevo caso de uso las hereda. Cuando el cumplimiento normativo se aborda \u00fanicamente al final, cada nuevo proyecto tiene que volver a plantear esa cuesti\u00f3n desde cero.<\/p>\n<p>La supervisi\u00f3n debe organizarse por niveles. Los agentes act\u00faan de forma aut\u00f3noma en tareas de bajo riesgo, son objeto de revisi\u00f3n solo en casos excepcionales en tareas de riesgo medio y solo preparan la decisi\u00f3n en tareas de alto riesgo. Los niveles van aumentando a medida que se gana confianza.<\/p>\n<h3><strong>Con la celebraci\u00f3n en Par\u00eds este mes de diciembre de la cumbre Adopt AI de Artefact, los debates en torno a la soberan\u00eda en materia de IA, la gobernanza y la competitividad industrial est\u00e1n cobrando cada vez m\u00e1s importancia. \u00bfC\u00f3mo cree que influir\u00e1 el enfoque de Europa respecto a la adopci\u00f3n de la IA en las estrategias empresariales globales, y qu\u00e9 avances cree que marcar\u00e1n la pr\u00f3xima fase de la IA empresarial en los pr\u00f3ximos a\u00f1os?<\/strong><\/h3>\n<p>Europa fue una de las primeras en plantear la cuesti\u00f3n de la soberan\u00eda, y creo que se est\u00e1 convirtiendo en un principio de dise\u00f1o a escala mundial. Las multinacionales no desean una arquitectura distinta para cada normativa, por lo que dise\u00f1an teniendo en cuenta la m\u00e1s estricta: ser due\u00f1o de su contexto, alquilar sus modelos y mantener el control sobre d\u00f3nde se ejecutan y qui\u00e9n tiene las claves. La pr\u00f3xima oportunidad para Europa consiste en aplicar la misma energ\u00eda a la adopci\u00f3n, ya que la competitividad provendr\u00e1 del uso a gran escala.<\/p>\n<p>La siguiente fase es la organizaci\u00f3n h\u00edbrida, y considero que representa el futuro del trabajo. Las empresas pasar\u00e1n de contabilizar el n\u00famero de empleados a gestionar una capacidad cognitiva compartida entre personas y agentes. Los agentes se encargar\u00e1n de la mayor parte del trabajo orientado al pasado: an\u00e1lisis, programaci\u00f3n y elaboraci\u00f3n de informes. Los seres humanos se dedicar\u00e1n al trabajo orientado al futuro: el gusto, la visi\u00f3n, la planificaci\u00f3n y la toma de decisiones.<\/p>\n<p>Creo que las empresas que resuelvan primero la cuesti\u00f3n de la divisi\u00f3n del trabajo ser\u00e1n las que marquen el camino. Ese es el debate que deseo mantener en Par\u00eds para definir los pr\u00f3ximos a\u00f1os.<\/p>\n<p>Gracias <a href=\"https:\/\/www.unite.ai\/author\/antoine-tardif\/\" rel=\"author noopener\" target=\"_blank\">Antoine Tardif, director ejecutivo y fundador de Unite.AI<\/a> Para leer esta entrevista tan exhaustiva, puede obtener m\u00e1s informaci\u00f3n sobre Unite.AI aqu\u00ed: https:\/\/www.unite.ai\/victor-coimbra-cto-and-managing-partner-at-artefact-interview-series\/<\/p>\n<\/div><\/div><\/div><\/div><\/div>","protected":false},"excerpt":{"rendered":"<p>La mayor\u00eda de los proyectos piloto de IA en las empresas se estancan porque estas incorporan la nueva tecnolog\u00eda a estructuras dise\u00f1adas exclusivamente para personas. En esta entrevista, Victor Coimbra, director t\u00e9cnico de Artefact, explica c\u00f3mo redise\u00f1ar los equipos en torno a una plantilla h\u00edbrida, por qu\u00e9 las empresas deben ser due\u00f1as de su contexto institucional al tiempo que contratan modelos, y c\u00f3mo repartir el trabajo entre los agentes aut\u00f3nomos y la creatividad humana.<\/p>","protected":false},"featured_media":1407091,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1408775","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog\/1408775","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/blog"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=1408775"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-category?post=1408775"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-language?post=1408775"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}